JP2006201870A - 対話処理装置 - Google Patents

Abstract

【課題】自然の流れに沿った対話が行なわれるようにする。
【解決手段】ユーザの発話を認識し、認識された発話と記憶手段に記憶されたユーザの発話に対する応答用の発話を事象と事象、事象と評価、及び評価と評価の各組合からなるルールに従った応答知識とに基づいて、ユーザの発話に対する応答用の発話を生成し、生成した応答用の発話を音声合成して出力する。
【選択図】 図１

Description

本発明は、対話処理装置にかかり、特に、ユーザの発話に対して広がりがあり、かつユーザと深い対話を行なうことができる対話処理装置に関する。

対話中にユーザが飽きることがなく、かつユーザと自然な流れの対話を行なうことができる自然な話題に遷移する会話処理装置が提案されている（特許文献１）。この会話処理装置では、フレームという概念を用い、会話している話題がどの程度話されたかを数値として算出し、その算出された値にしたがって話題を遷移させることによりユーザとの会話を自然に行なえるようにしている。

この会話処理装置では、会話を開始すると、ロボット内の制御部においてロボット用のフレームとユーザ用のフレームとが作成される。これらのフレームには、いつ、どこで、だれが、なにを、どうした、なぜの５Ｗ１Ｈの項目が設定されており、これらの設定された項目が埋まるように会話が進められる。また、これらの項目は、各々どれだけ話したかを示す数値で管理されており、これらの値の平均値が算出され、この算出された値により、話題を遷移させるか否かが判断される。話題を遷移させると判断された場合には、話題を遷移し、新たな話題に対して会話を開始する。

また、現在の話題と処理装置中に記憶されている別の話題との関連度に基づいて、話題遷移を行なう会話処理装置も提案されている（特許文献２）。この装置では、話題に関するキーワード、分類、場所、及び時間の少なくとも１つを含んだ属性値間の関連度を算出することにより類似した話題を選択している。

すなわち、上記従来の技術は、話題によって対話を制御するものであり、同一話題が継続している継続時間に関連して、話題の継続度を表す値を保持して対話を管理している。
特開２００１−１８８７８５号公報 特開２００１−１８８７８４号公報

しかしながら、人間同士の話題の遷移は一定の継続時間に従っているというよりも、相手の発話に関連する知識の量で同一話題を継続するかどうかが決定されることが多い。また、話題自身も明確な区切りが存在するわけではなく、対話が繰り返されている間に自然に別の内容について会話している、ということは頻繁に生じている。したがって、システムの制御によって急に話題が変化することは、ユーザが不自然さを感じる原因になる。

以上のことから、従来技術で得られる対話では、ユーザが飽きないような、かつ自然な流れの対話にならない場合が生じる。

本発明は、上記問題点を解消するためになされたもので、システムがユーザ発話に対してどの程度の知識をもっているかで対話を継続するか否かを決定することにより、ユーザが興味を持っている事象に対してシステムが豊富な知識を持っていれば対話を自然と継続し、システムが豊富な知識を持っていなければ対話を継続しないようにして、自然の流れに沿った対話が行なわれるようにした対話処理装置を提供することを目的とする。

上記目的を達成するために本発明は、ユーザの発話を認識する音声認識手段と、ユーザの発話に対する応答用の発話を、事象と事象、事象と評価、及び評価と評価の各組合せからなるルールに従った応答知識で記憶した記憶手段と、前記音声認識手段で認識された発話と前記記憶手段に記憶された応答知識とに基づいて、該ユーザの発話に対する応答用の発話を生成する応答生成手段と、前記応答手段で生成した応答用の発話を音声合成して出力する音声合成手段と、を含んで構成したものである。

上記の事象と事象及び事象と評価との各組合せからなるルールは、因果関係または因果関係の根拠の関係によって構成することができる。この因果関係は、順接の因果関係及び逆接の因果関係の少なくとも一方とすることができる。また、事象と事象及び事象と評価との各組合せからなるルールは、時間的関係によって構成することができる。この時間的関係は、時間的な順接関係及び時間的な逆説関係の少なくとも一方とすることができる。

さらに、事象と事象との組合せからなるルールは、ユーザの発話に対する言い換えによって構成される知識に基づいて構成することができる。この言い換えは、ユーザ発話を要約した要約、ユーザ発話に対する具体例、またはユーザの発話の発話中の焦点とすることができる。

評価は、ユーザの発話が意味する感情によって構成することができる。この場合、感情は、好ましい感情状態を表すポジティブ、好ましくない感情状態を表すネガティブに分類することができる。

応答知識を、ウエブサイトの文書集合を含む文書集合に基づいて生成することができ、生成した応答知識のルールに矛盾が生じた場合には、多数決、ユーザのプロファイル、ユーザとの対話の履歴に基づいて矛盾を解決するればよい。

以上説明したように本発明によれば、事象と事象、事象と評価、及び評価と評価の各組合からなるルールに従った応答知識に基づいて、ユーザに対して応答しているため、ユーザ発話に対して意味的に関連した次の発話が行なわれ、豊かな対話を行なうことができる。

以上説明したように本発明によれば、事象と事象、事象と評価、及び評価と評価の各組合からなるルールに従った応答知識に基づいて、ユーザに対して応答しているため、ユーザ発話に対して意味的に関連した次の発話が行なわれ、豊かな対話を行なうことができる対話処理装置を提供することができる、という効果が得られる。

以下、図面を参照して本発明の実施の形態を詳細に説明する。

第１の実施の形態には、図１に示すように、ユーザの発話を集音して入力するためのマイクロホン１０が設けられている。マイクロホン１０は、図示しないデータベースに登録された音声認識用辞書に基づいて、マイクロホン１０から入力されたユーザの発話を認識する音声認識部１２に接続されている。

音声認識部１２は、辞書に登録された発話生成用のルールに従って構成された応答知識に基づいて、応答用の発話を生成するルールを判定するルール判定部を複数個備えたルール判定装置１４に接続されている。そして、ルール判定装置１４は、ルール判定装置１４で生成された複数のルールから特定のルールを決定するルール決定部１６に接続され、ルール決定部１６は発話を音声合成し、スピーカ２０に入力しスピーカ２０から出力する音声合成部１８に接続されている。

最初に本実施の形態の基本的な処理について説明し、その後に知識を構成する関係、評価別の具体的な事例について説明する。基本的な処理の手続きの具体例を図２に従って説明する。ステップ１００の音声認識処理はユーザの発話を認識し、テキスト情報を得るための処理である。

次のステップ１０２ではルール判定部において、辞書部を参照しユーザ発話に対する発話生成のためのルールを特定する。これは図４のようなテーブルを発話生成のルールとして関係別に辞書に格納し、表の左列（以下、前件部）のうちユーザ発話に近いものを選択する処理に基づいて行う。具体的には、各々の関係に基づいて定義された辞書毎に、辞書に含まれるルールの前件部を全て走査し、ユーザ発話と前件部との距離に基づいてユーザ発話に最も近いものを抽出する。

ここで、ユーザ発話と前件部との距離は、自立語の基本形の一致語数の逆数を用いることができる。例えば、ユーザ発話が「晴れたね」であれば、発話に含まれる自立語の基本形は「晴れる」である。一方、図４のルールの基本形は、１，２が「晴れる」、３，４が「雨」「降る」であるため、発話とルールの距離はルール１，２が１、ルール３，４が∞と計算することができる。

このように辞書別に適用するルールを判定した後、どのルールをシステムの次発話に用いるかを決定する。ここでは最も距離の近いルールを特定し、そのルールに対応する表の右列（以下、後件部）をシステム発話として決定する。ルール判定時にユーザの発話がどのルールにも相当しなかった場合は、「それで？」や「うん」等のさらにユーザの発話を促す応答をシステム発話として決定する。

以上の手続きをより詳細に示したものを図１８に示す。図１８ではアルゴリズムの記述によく用いられるＰａｓｃａｌを基礎とした擬似言語を用いた。この表現の詳細は“Ａｌｆｒｅｄ Ｖ．Ａｈｏ，Ｊｏｈｎ Ｅ．Ｈｏｐｃｒｏｆｔ ａｎｄ Ｊｅｆｆｅｒｙ Ｄ．Ｕｌｌｍａｎ，“Ｄａｔａ Ｓｔｒｕｃｔｕｒｅｓ ａｎｄ Ａｌｇｏｒｉｔｈｍｓ”に記載されている。

なお、次発話決定処理の別の実現手段として候補の選択にはランダムに選択する方法、対話履歴を用いる方法などを用いる。ランダムに選択する方法では乱数を発生させ、任意のルールを１つ選択するものである。対話履歴を用いる方法では、以前に用いたルールの履歴を保持しておき、同じルールを候補中から除いた上で、残りのルールをランダムに選択するものや、あるいは図４のルール中の自立語と対話履歴中に含まれている自立語とを比較して、ルール中に含まれる対話履歴の自立語の数の多いものを選択する。

以上の手続きによって決定されたシステム発話を音声合成装置を介してユーザに伝達し、再び音声認識処理を継続することによって対話処理を継続することが可能である。

次に、具体的な事例について説明する。上記の辞書に登録された発話生成用のルールに従って構成された応答知識について説明する。まず、ルールとしては、以下のａ，ｂの２つのルールを使用し、応答知識は、各ルールに従って発話と発話に対する応答用の発話とを対応させて構成されている。

ａ．ユーザ発話に対する事象を応答する。

ｂ．ユーザ発話に対する評価を応答する。

ここで、「事象」とは、「事物の状態や意味、人や動物の行為」であり、「評価」とは、「事象を主観的な視点を伴って解釈したもの」である。「事象」の例としては、「晴れている」（状態）及び「遠足に行く」（行為）があり、「評価」の例としては、「晴れている」に対して「気持ちがいい」、「遠足に行く」に対して「楽しみなことがある」等がある。

上記基本ルールａ，ｂは、ユーザの発話の自立語の基本形をシステムの応答用の発話の自立語の基本形に変換するものであり、ユーザ発話には「事象」の場合と「評価」の場合とがあるので、ルールには、事象を事象に変換するルール、事象を評価に変換するルール、評価を事象に変換するルール、及び評価を評価に変換するルールの４つのルールがある。

すなわち、ユーザの発話の自立語の基本形を「被対応要素」、システムの応答用の発話の自立語の基本形を「対応要素」とすると、辞書には、ユーザ発話の被対応要素を、この被対応要素に対応する対応要素に変換するルールが多数個登録されている。

辞書に格納されているルールの具体例を図４を参照して説明すると、ルール１では、ユーザ発話の自立語の基本形「晴れる」（被対応要素）に対してシステムの応答用の発話の自立語の基本形「遠足にいける」（対応要素）が対応されており、同様にルール２では「晴れる」に対して「気持ちがいい」が対応されており、ルール３では「雨が降る」に対して「遠足は中止」が対応されており、ルール４では「雨が降る」に対して「落ち込む」が対応されている。

すなわち、ルール１は、ユーザが「晴れてきたね」と発話すると、シシテムが「遠足にいけるね」と応答するものであり、ルール２は、ユーザが「晴れてきたね」と発話すると、シシテムが「気持ちがいいね」と応答するものであり、ルール３は、ユーザが「晴れてきたね」と発話すると、シシテムが「遠足にいけるね」と応答するものであり、ルール４は、ユーザが「雨が降ってきたね」と発話すると、シシテムが「落ち込むね」と応答するものである。

次に本実施の形態のシステム（対話処理装置）とユーザとの対話の処理手順について図２のフローチャートを参照して説明する。このフローチャートは、音声認識部１２、発話生成部１４、及び音声合成部１８の処理をまとめて記載したものであり、本実施の形態では、音声認識部１２、発話生成部１４、及び音声合成部１８を各々別々のコンピュータで構成することもできるが、別々のコンピュータに代えて、図２の処理を実行する１つのコンピュータで構成することもできる。

ステップ１００では、マイクロホン１０から入力されたユーザ発話を音声認識し、形態素列を抽出する。次のステップ１０２では、形態素列からユーザ発話の自立語の基本形を抽出し、辞書１６を参照してユーザ発話の自立語の基本形に対する応答用の発話の自立語を生成するためのルールを特定する。このルールを特定するにあたっては、自立語の基本形（被対応要素）の一致語の数の逆数を指標として、ユーザ発話と各ルールとの距離を決定し、距離が近いルールを変換用のるールとして特定する。

例えば、ユーザ発話が「晴れたね」であれば、ユーザ発話に含まれる自立語の基本形は、「晴れる」である。一方、図４のルールでは、ルール１、２の被対応要素（表の左列の要素）が「晴れる」、ルール３、４の被対応要素が「雨が降る」であるので、ユーザ発話とルールとの距離は、ルール１、２については自立語の基本形である「晴れる」が１つ一致しているので、一致語数は１、その逆数は１になる。一方、ルール３、４については、一致語数は０であるので、一致語の数の逆数は∞になる。したがって、この例では、ルール１及びルール２が最も距離が近いので候補として選択される。なお、距離が所定値以上で遠い場合はいずれのルールは選択されない。

次のステップ１０４では、候補として選択されたルールが存在するか否かを判断し、選択されたルールが存在する場合には、ステップ１０６において１つのルールを特定し、特定したルールに従ってユーザ発話に対する応答用の発話を生成する。ルールの特定の仕方には、ランダムに１つのルールを特定する方法、対話の履歴を記憶しておいて履歴に基づいてルールを特定する方法等を用いることができる。

ランダムにルールを特定する方法では、乱数を発生させ、発生させた乱数に基づいて１つのルールを特定する。また、対話の履歴に基づいてルールを特定する方法では、以前に特定したルールの履歴を記憶しておき、候補の中から履歴に記憶されているルールと同じルールを除いた残りのルールからランダムにルールを特定する方法、または辞書の中の自立語の基本形と対話履歴中に含まれる自立語の基本形とを比較し、ルール中に含まれる対話履歴の自立語の基本形の数が多いルールを特定する方法等を用いることができる。

上記のようにして１つのルールを特定した後、辞書を用いて特定したルールから応答用の発話を生成した後、ステップ１１０において、応答用の発話を音声合成部で音声合成し、ユーザに伝達し、再び音声認識処理を継続することにより、ユーザとの対話を継続する。

一方、ステップ１０４でルールが存在しないと判断されたときは、ステップ１０８において、「それで？」または「うん」等のさらにユーザの発話を促す不明応答を応答用の発話として生成する。そして、ステップ１１０において、応答用の発話を音声合成部で音声合成し、ユーザに伝達し、再び音声認識処理を継続することにより、ユーザとの対話を継続する。

次に、第２の実施の形態について説明する。本実施の形態は、図５に示すように、ルールを原因−結果−根拠の応答知識から構成したものである。先に説明したルール判定処理では、ユーザ発話と前件部の自立語との距離を基準としたが、ここでは、ルール中の各項目とユーザ発話との距離を基準とする。

図５の例のルール１は、「晴れていれば雨にぬれないので遠足に行ける」という順接の因果関係を「原因：晴れていれば（事象）、結果：遠足に行ける（事象）、根拠：なぜなら雨にぬれないから（事象）」の各事象に分類し、原因−結果−根拠に対応付けて登録したものである。また、ルール２は、「遠足に行くと友達とハイキングにいけるので楽しみだ」という順接の因果関係を「原因：遠足に行くのは（事象）、結果：楽しみ（評価）、根拠：なぜなら友達とハイキングにいけるから（事象）」の各事象に分類し、原因−結果−根拠に対応付けて登録したものである。

第１の実施の実施の形態では、ユーザ発話の自立語の基本形とルールにおけるユーザ発話に対応する部分（被対応要素）の自立語の基本形との距離に基づいてルールを選択したが、本実施の形態では、ルール中の原因、結果、及び根拠の各項目の自立語の基本形とユーザ発話の自立語の基本形との距離を演算し、この演算した距離を基準としてルールを判定し選択する。例えば、ユーザが「楽しみだな」と発話した場合には、ユーザ発話を音声認識して自立語の基本形を抽出した場合、図５の各ルールの各項目の自立語の基本形との距離（一致数の逆数）を、一致した自立語基本形の数に基づいて算出すると、図６に示すようになる。この例では、結果の項目に対応する「楽しみ」が距離としては最も近いので、「楽しみ」を含むルール２が選択される。

続いて、選択したルール２に基づいてシステムの発話を生成する。この原因−結果−根拠のルールでは、ユーザ発話を含む項目（この例では、結果の項目）を基準とした原因の項目及び根拠の項目の２つの項目を候補としてシステムの発話を生成する。この例では、結果の項目が「楽しみ」であるので、原因の項目の「遠足に行く」及び根拠の項目の「友達とハイキングに行く」が候補となる。

候補から応答用の発話を選択するには、上記で説明したランダムで選択する方法や対話の履歴を用いる方法を使用することができるが、根拠の項目から応答用の発話を生成する場合は、「友達とハイキングに行けるからね」のように自立語の基本形を根拠を提示するような表現に言い換えてシステムの応答用の発話を生成する。

次に、第３の実施の形態について説明する。本実施の形態は、第２の実施の形態の原因−結果−根拠のルールを、順接の因果関係または逆接の因果関係等の時間的な順序関係に基づいて生成するものである。図７は、先行の「春に種をまく」（行為）に対して、後続の「夏に花が咲く」（事象）が続く場合の時間的順序関係の例を示すものであり、「春に種をまく」という要素に対して要素「夏に花が咲く」を対応させて格納されている。ルール判定処理は、第１の実施の形態と同様に、表の各要素に対する距離を演算し、演算した距離を基準として、発話生成時には時間的に逆の関係に相当する要素を生成する。

例えば、ユーザ発話が「夏に花がさいたね」であった場合には、要素「夏に花が咲く」が選択され、この要素に対して時間的に逆接関係である応答用の発話「春に種をまく」を選択する。そして、選択した応答用の発話「春に種をまく」を生成する際は、第２の実施の形態と同様に、「春に種をまいたからね」のように、根拠を提示するような表現に言い換えてシステム発話を生成する。

また、逆接の因果関係としては、例えば、原因「何度も試した」（行為）、結果「うまくできなかった」（事象）を挙げることができる。この逆接の因果関係の変換を用いると、以下のような対話を行なうことができる。

ユーザ：「何度も試したんだよ」
システム：「なのにうまくできなかったのね」
また、先行「春に種をまく」（行為）、後続「いつまでも花が咲かない」（事象）等の時間的な順序関係に基づいて生成したルールを用いると、以下のような対話を行なうこともできる。
・時間的な順接関係
ユーザ：「春に種をまいたの」
システム：「で、夏に花が咲いたんだ」
・時間的な逆接関係
ユーザ：「春に種をまいたの」
システム：「でも、いつまでも花が咲かないんだ」
上記の実施の形態は、意味の関連性に基づいて被対応要素と対応要素とを対応させたルールを用いた例について説明したが、以下の第４の実施の形態及び第５の実施の形態は、事象間の関係を内容の同義性に基づいて変換するものである。

第４の実施の形態は、要約の関係によってルールを構成するものである。例えば、「北海道や九州や沖縄に行ったことがあるよ」のような地名を列挙したユーザ発話に対し「いろいろな所に行ったんだね」のような複数の地名を「いろいろな所」にまとめた要約を生成する場合を例に説明する。ルールは、図８に示すように、要素「＜地名＞に行く」に対応させて要素「色々な所に行く」が対応されて格納されている。図８の＜地名＞は、図９に示すように地名の集合を格納した地名のテーブル４０と、ＦＳＡ（Ｆｉｎｉｔｅ Ｓｔａｔｅ Ａｔｏｍａｔｉｏｎ）で記述された文法上のルールを展開した結果に相当するものである。すなわち、「北海道や沖縄や九州」は図９の副ルールによって地名であることが確定される。従って、先の発話に対しては、この文法によって展開された前件部を用い、自立語の距離に基づく選択手法により、「北海道や沖縄や九州に行く→いろいろな所に行く」のルールが生成候補として選択される。すなわち、上記の例の発話に対しては、図８の左列の要素（前件部）と自立語との距離に基づいて、要素「＜地名＞に行く」を要素「色々な所に行く」に変換するルールが生成候補として選択される。

上記では、これらの要約変換ルールを表によって求める例について説明したが、動的に構成するようにしてもよい。要約のための手法は、「”テキストの自動要約に関する研究動向”自然言処理，Ｖｏｌ．６，Ｎｏ．６，１９９９．７」等に列挙されており、音声認識部から得られた形態素列であるテキスト情報を入力として処理を行なうことが可能である。

また、本実施の形態では、以下のような対話を行なうことができる。

ユーザ：「朝バイトへ行って、それは昼ぐらいには終わるので、それが終わ
ったら、昼間は予備校へ行って、でまた、夜もバイト」
システム：「朝も夜もバイトで、その間に勉強が入るんだ」
次に第５の実施の形態について説明する。本実施の形態は、図１０に示すように、被対応要素を具体例で表示した対応要素に変換するルールを用いたものである。このルールは、図１０に示すように、ユーザ発話、例えば「貧租な夕食」（被対応要素）に対して、応答用の発話が具体例、例えば「キムチと納豆とご飯」で定められている。

本実施の形態は、具体例の関係によってルールが構成されている以外は、上記の第１の実施の形態等と同様であるが、システム発話を生成する段階においては、「キムチと納豆とご飯みたいなものなんだね」のように具体例に対して確認を働きかけるような表現に言い換えて応答の生成を行なう。

本実施の形態によれば、以下のような対話を行なうことができる。

ユーザ：「お父さんがいないときには品租な夕食になっちゃうんだ」
システム：「そう、キムチと納豆とご飯みたいな」
第６の実施の形態は、焦点の関係によってルールを構成したものである。本実施の形態では、図１１に示すように、発話の焦点に相当するような特定のキーワードを予め格納した辞書、例えば、「画像処理」、「音声認識」、及び「係り受け解析」等をキーワードとする辞書を用意する。

ルール判定処理では、ユーザ発話中にこれらのキーワードが出現したか否かを判断し、キーワードが出現した場合にはルールにマッチしたと判定する。この際、ユーザ発話との距離はあらかじめ定めた定数値αによって決定する。α＜１のとき常にこのルールが適用され、α＞１のときは他の辞書のルールによって決定されるユーザ発話の距離によってこのルールがシステム発話として適用されるか否かが決まる。また定数値αを焦点に応じて異なる値として構成することによって、焦点による話題のほりさげを制御することができる。

また、応答用の発話を生成する場合には、焦点「画像処理」に対して「画像処理ってどういうこと？」のように、焦点に対する質問を提示するような表現に言い換えてシステムの発話を決定する。

本実施の形態では、以下のような対話を行なうことができる。

ユーザ：「今は大学で画像処理の勉強をしています」
システム：「画像処理？画像処理ってどういう感じのこと」
第７の実施の形態は、図１２に示すように、事象と評価との関係の内、評価に対して感情語を含む表現によってルールを構成するものである。感情語には、人間の感情を表す語であり、例えば、「楽しい」、「美しい」、「綺麗だ」、及び「嫌だ」等の形容詞または形容動詞、「笑う」、「泣く」等の動詞、「合格」、「優勝」、「敗北」、及び「失格」等の名詞等がある。これらの感情語をホジティブ（望ましい、以下ｐという）、ネガティブ（望ましくない、以下ｎという）に対応させ、ｐｎの感情でルールを構成する。ｐｎの例としては、下記のものがある。

ｐ：「楽しい」、「美しい」、「綺麗だ」、「笑う」、「合格」、「優勝」
ｎ：「嫌だ」、「泣く」、「敗北」、「失格」
なお、図１２に代えて、事象に対応させてｐまたはｎを記憶した図１３に示すテーブルを使用してもよい。

ルール判定は、上記で述べた方法と同様に、自立語マッチングと距離に対応する定数値を併用する方法によって行なう。また、ユーザ発話に対して表の右列がｐまたはｎで構成されているため、発話生成時にｐまたｎに対応する言語表現に変換してしすシステム発話を決定する。これは、図１４に示すようにｐ／ｎに対して感情表現が定義されている対応表を予め用意し、表の左列に対応する右列の感情表現を出力することによって行なう。図１４の例では、ｐに対応させて「楽しみだね」、「すごいね」、及び「楽しいね」等の応答用の発話が記憶され、ｎに対応させて「最悪だね」等の応答用の発話が記憶されている。

本実施の形態では、図１２または図１３を用いてユーザ発話と事象とのマッチングを行い、マッチングした事象に対応する感情がｐかｎかを判断し、図１４の対応表を用いて、ｐまたはｎの感情に対応する応答用の発話を生成して出力する。

第８の実施の形態は、感情語を含まないシステムの考えを表す語によってルールを構成するようにしたものである。「感情語を含まないシステムの考えを表す語」は、「山に行きたいな」等のように、願望やシステムの意思決定結果を表す表現であり、ユーザ発話に対するシステムの意思決定結果が、ユーザ発話に対して記憶されている。図１５にこのルールの例を示すものであり、ルール１では「＜ＵＳＲ＞が出かける」と「＜ＳＹＳ＞も出かけたい」とが対応させて格納され、ルール２では「＜ＵＳＲ＞がごはんを食べる」と「＜ＳＹＳ＞も食べたい」とが対応させて格納されている。なお、図１５の＜ＵＳＲ＞はユーザを代表して示す表現であり、ユーザの名前、僕、または私等を指すものであり、ＳＹＳはシステムを示すものである。

本実施の形態のルールの判定は、ユーザ発話と表の左列の自立語の基本形とがマッチングしたかを判定することにより行なう。ここで、本実施の形態においても上記で説明した実施の形態と同様に、ユーザ発話と自立語の基本形とがマッチングしたルールを選択し、ルールに基づいて発話用の応答を生成する。

第９の実施の形態は、図３（ａ）に示すように、文書集合２２から辞書獲得手段２４を用いて自動獲得したルールからなる応答知識を記憶した図１の辞書と同様な辞書１６を用いるものである。文書集合としては、ウエブサイト（ホームページ）の文書を利用することができる。これらの応答知識は、文書中に陽に表現されている場合であり、これらの応答知識を辞書獲得手段２４を用いて抽出する。そして、抽出した第三者の応答知識を、システムの応答知識として提示するものである。

例えば、ウエブサイト上の日記の「昨日までは雨で嫌な感じだったけど、今日はすっかり晴れてとても気持ちが良かった」等の記述から、事象「雨」、「雨」に対する評価「嫌な感じ」、及び事象「晴れ」、「晴れ」に対する評価「気持ちが良い」等の知識をシステムの知識として抽出するものである。

文書集合からのルール抽出は、因果関係ルール「”接続標識「ため」に基づく文書集合からの因果関係知識の自動獲得”，情報処理学会論文集，Ｖｏｌ．４５，Ｎｏ．３，ｐｐ．９１９〜９３３，２００４」、事象−評価ルール「”Ｗｅｂｌｏｇを対象とした評価表現抽出”，人工知能学会，セマンティックウエブとオントロジー研究会，ＳＩＧ−ＳＷＯ−Ａ４０１−０２，２０」等に基づいて行なうことができる。獲得したルールは、図４に示す形式に変換することなどによってシステムで使用することができる。

文書集合からルールを抽出した場合、図１６に示すように、知識の矛盾が発生する場合がある。特に、評価に関しては、属人的要素が大きく、同一の事象でも人によってその事象に対する評価が異なる場合が発生する。

図１６では、ルール１及びルール５では「遠足に行く」がｐになっているのに対し、ルール４では「遠足に行く」がｎになっており、知識の矛盾が発生している。この知識の矛盾の解決は、図３ｂに示した矛盾性解決手段２６で実行する「矛盾したルールの判定」及び「矛盾解決」の２つ手続きに基づいて行なうことができる。

「矛盾したルールの判定」手続きは、表の左列を列単位で並び替え、同一のレコードが連続するルールで、かつ右列の結果が異なるルールを矛盾したルールと判定する。すなわち、図１６に示すように、事象と感情とを対応させた表を左列のレコードでソートすると右の表が得られる。このようにして得られた表において、左列のレコードが連続するルールで、かつ右列の結果が異なるルール１，４，５を矛盾したルールと判定する。

矛盾したルールが判定された後、矛盾の解決を行なう。矛盾の解決は、同一の被対応要素に対する複数の対応要素の内最も数が多いものを用いる多数決方法、別に定めたユーザプロファイル中の対応と同一の対応関係を採用する方法、対話履歴から求めた対応と同一の対応関係を採用する方法等を用いることができる。

多数決方式について説明すると、図１６では、遠足に行くに関してｐが多いので、「遠足に行く」はｐであると特定する。そして、矛盾している感情を矛盾解決の手続きによって特定した感情に修正する。

また、ユーザのプロファイルを別の手段（事象に対する好みをアンケート形式で入力する等）によって得て、その結果に基づいて矛盾を解決してもよい。例えば、ユーザのプロファイルが、「遠足に行く」がｐであれば、ユーザに合わせて「遠足に行く」がｎになっているルールを棄却する。なお、ユーザのプロファイルは、ユーザとシステムとの対話履歴から同定するようにしてもよい。

上記のようにしてルールの矛盾が解決された図３ｂに示す辞書３０を図１の辞書１６として使用する。

第１０の実施の形態の音声認識から音声合成までの処理を図１７を参照して説明する。本実施の形態は、音声認識部での音声認識の後、システム発話を格納する変数Ｓを初期化し（値をｎｕｌｌにする）、変数ｖに音声認識結果を格納する（ステップ１２０〜ステップ１２４）。そして、変数ｖの内容に関して図２と同様にルール判定を行なう（ステップ１２６）。

もし、応答ルールが存在していれば、変数ｖにシステムの応答ルールを格納した後、変数Ｓに変数ｖの内容を追加する（ステップ１２８〜ステップ１３０）。次に、現在のシステム発話ｖにさらに関係する知識に基づいた発話を生成するかどうかの判定を行う（ステップ１３８）。この判定は、乱数を発生させ、発生させた乱数が、閾値以下であるか否かを判定することにより行なう。さらに関係する知識に基づいた発話を生成する場合は、ステップ１２６に戻って上記の処理を繰り返すことにより、現在のシステム発話ｖにさらに関係する知識に基づいた発話を生成する。

一方、応答ルールが存在しない場合、変数Ｓがｎｕｌｌであれば図２と同様に、「それで？」または「うん」等のさらにユーザの発話を促す不明応答を変数Ｓに格納する（ステップ１３４、ステップ１３６）。変数Ｓがｎｕｌｌでなければ、自発語による再生成を停止する。以上の処理によって得られたシステム発話Ｓを音声合成し（ステップ１４０）、引き続き音声認識処理を行なうことで継続的に対話処理を実行する。

また、自発話をユーザ発話と見なして再帰的に前述したルールを適用するようにしてもよい。これによって、以下のような対話を実行することができる。

ユーザ：「気持ちがいいね」
システム１：「晴れてきたからね」
システム２：「これで遠足にいけるね」
すなわち、システムが発話した「晴れてきたからね」という事象に対して、再度、原因「晴れていれば」（事象）、結果「遠足にいける」（事象）という知識と、事象に対して事象に応答するというルールを適用することによって、システム２のような発話を生成することができる。

また、「晴れてきた（事象）から気持ちがいい（評価）ね」のように一発話中に複数の事象、評価が発せられた場合には、それらを判別し、それぞれ個別にルールを適用するようにしてもよい。

以上説明したように、各実施の形態によれば、例えば因果関係のような意味の関連性に基づいた発話を生成することができるため、意味に広がりをもたせた対話を行なうことができる。また、発話に対する評価やその発話に対して同義の関係にある別の発話を生成することにより、一連の発話を別の視点で捉えるような深さの有る対話を行なうこともできる。さらに、ルールは意味的な関連性に着目したものであり、知識を格納する辞書もその関連性に基づいて構成されるため、この辞書を用いることによって、意味解釈上妥当な発話を生成するとができる。

また、大量の文書集合から知識を獲得すれば、ユーザの発話のバリエーションや様々な話題に対応可能な対話システムを実現することができる。

また、ユーザの発話に対して意味解釈上適確な発話が可能であり、また、様々な話題をも扱うことができる。

本発明の第１の実施の形態を示すブロック図である。 第１の実施の形態の処理の流れ示すフローチャートである。 （ａ）は文書集合から応答ルールを獲得する実施の形態のブロック図、(ｂ)は文書集合から獲得した応答ルールの矛盾を解決する場合のブロック図である。 辞書に格納されたルールの例を示す表である。 原因−結果−根拠のルールの例を示す表である。 図６の距離の値を示す表である。 時間的順序関係のルールの例を示す表である。 要約に基づくルールの例を示す表である。 地名に関する副ルールを説明するための図である。 具体例に基づくルールの例を示す表である。 焦点に基づくルールの例を示す表である。 評価に感情語を含むルール例を示す表である。 事象とネガティブ及びポジティブとを対応させたルール例を示す表である。 ネガティブ及びポジティブと感情表現の応答とを対応させた表現の対応表である。 事象と意見とを対応させたルールの例を示す表である。 知識に矛盾が発生した場合の矛盾の解消の仕方を説明する図である。 第１０の実施の形態の処理の流れを説明するフローチャートである。 基本的処理及びルール判定手続きの詳細を示す図である。

符号の説明

１０ マイクロホン
１２ 音声認識部
１４ 発話生成部
１６ 辞書
１８ 音声合成部
２０ スピーカ
２２ 文書集合
２４ 辞書獲得手段
２６ 矛盾性解決手段
３０ 辞書

Claims (11)

1. ユーザの発話を認識する音声認識手段と、
   ユーザの発話に対する応答用の発話を、事象と事象、事象と評価、及び評価と評価の各組合せからなるルールに従った応答知識で記憶した記憶手段と、
   前記音声認識手段で認識された発話と前記記憶手段に記憶された応答知識とに基づいて、該ユーザの発話に対する応答用の発話を生成する応答生成手段と、
   前記応答手段で生成した応答用の発話を音声合成して出力する音声合成手段と、
   を含む対話処理装置。
2. 前記事象と事象及び事象と評価との各組合せからなるルールを、因果関係または因果関係の根拠の関係によって構成した請求項１記載の対話処理装置。
3. 前記因果関係は、順接の因果関係及び逆接の因果関係の少なくとも一方である請求項２記載の対話処理装置。
4. 前記事象と事象及び事象と評価との各組合せからなるルールを、時間的関係によって構成した請求項１記載の対話処理装置。
5. 前記時間的関係は、時間的な順接関係及び時間的な逆説関係の少なくとも一方である請求項４記載の対話処理装置。
6. 事象と事象との組合せからなるルールを、ユーザの発話に対する言い換えによって構成される知識に基づいて構成した請求項１記載の対話処理装置。
7. 前記言い換えは、ユーザ発話を要約した要約、ユーザ発話に対する具体例、またはユーザの発話の発話中の焦点である請求項６記載の対話処理装置。
8. 前記評価は、ユーザの発話が意味する感情によって構成した請求項１記載の対話処理装置。
9. 前記感情は、好ましい感情状態を表すポジティブ、好ましくない感情状態を表すネガティブである請求項８記載の対話処理装置。
10. 前記応答知識を、ウエブサイトの文書集合を含む文書集合に基づいて生成した請求項１〜９のいずれか１項記載の対話処理装置。
11. 生成した応答知識のルールに矛盾が生じた場合に、多数決、ユーザのプロファイル、ユーザとの対話の履歴に基づいて矛盾を解決する請求項１０記載の対話処理装置。

Images